这种方式缺点非常明显，反应速度慢，而且避免不了新病毒的危害。
哪怕神算—1000的硬体实力超前几万倍，却没能力解决软体缺陷。
好在经过宋楠的不懈努力，还真找到了一种适用于神算1000的方式：
基于统计异常的主动实时入侵检测系统（Anmaly—baedID）。
简单的，传统的被动防御手段是给保安一叠小偷的照片，如果他看到长得像照片的人就拦下，新小偷就会被放走。
ID主动入侵检测是让保安去观察业主的一举一动，并归类总结，比如都是正常业主从大门进出，都是9点上班出门，6点下班回家。
若是有人晚上22点翻墙进入小区，哪怕不认识保安都知道他是小偷，立即予以逮捕。
ID说白了就是一个大数据训练模型，学习正常用户的操作逻辑，凡是不像正常用户的就是病毒，从而精准地找出来。
它的优点就跟大数据模型一样，数据越多越准，而且几乎没有上限。
但在99年ID并不受欢迎，一是它需要海量的用户进行海量的训练：
一旦保安观察的业主数量不够多，就会导致误判，把正常用户拦在外面却把小偷放进去了。
二是ID要实时监测每一个用户的行为，盖金BB小区每秒钟几百万人出入，保安要同时看几百万人的动作进行分析，这是天文数字级别的处理量。
不管是行为训练还是监测，所需的算力在当前都非常夸张，夸张到在99年根本没有意义。
ID已经被提出很多年，但从未有人将它付诸实践一宋楠做到了。
神算—1000就是这个超级保安，它轻松完成了上万亿次训练，训练数据被牢牢记在几万B的固态硬碟中。
它练成了一双火眼金睛，它每秒钟监测数百万用户的行为进行比对，只需要几毫秒的时间，比网络延迟都快。
